Sep, 2018

自动驾驶汽车的位置定位和三维场景感知：多相机系统

PDF
TL;DRProject AutoVision 旨在为自动驾驶汽车开发定位和 3D 场景感知的能力，利用低成本多相机的传感器套件实现 360 度覆盖和准确的多视图立体感知，在使用深度学习和多视角几何的帮助下，提高车辆在城市和乡村地区等各种环境下的自主导航。
self-driving vehiclelocalization3d scene perceptionmulti-view stereodeep learning
发现论文，激发创造
  • 使用多摄像头系统的自动驾驶汽车的三维视觉感知：校准，映射，定位和障碍物检测

    本文讨论了多鱼眼相机系统的标定和处理流程，方法可用于自动泊车等应用场景。该流程可以精确标定多相机系统，构建稀疏的三维地图用于视觉导航、车辆定位，并基于实时深度图提取进行精确的物体检测。

    Aug, 2017

  • 自动驾驶和高级驾驶辅助系统的摄像头 - 雷达感知：概念，数据集和度量

    本文研究了自动驾驶系统中车辆安全性的提高、深度学习基础的障碍物检测和分割、雷达传感器和摄像头传感器的融合，以及在车辆感知中的数据集、度量、挑战和开放性问题，这些元素对于提高自动驾驶系统的普及率具有重要意义。

    Mar, 2023

  • 自动驾驶车辆中的计算机视觉应用：方法、挑战与未来发展方向

    自动驾驶车辆的知觉系统及其与计算机视觉和传感器相关的技术发展和应用进行了综述，概述了自动驾驶车辆的发展、传感器和数据集、计算机视觉应用以及公众意见和担忧，并分析了当前技术挑战和未来研究方向。

    Nov, 2023

  • 自动驾驶多摄像头鸟瞰感知

    自动驾驶系统的感知输出对于其他智能体和结构的空间推理和路径规划至关重要，基于摄像头图像的透视投影方法不适用于自动驾驶，因此需要使用其他方法来产生所需的地形俯视图像。

    Sep, 2023

  • 基于全景监控系统的自动驾驶场景理解网络

    本文提出一种新的端到端解决方案，通过识别驾驶车辆在每个方向上最近的障碍物，用于计算最近障碍物的距离，并将其合并到统一的端到端架构中，实现联合物体检测、路缘检测和安全可驾驶区域检测，最终通过相机为基础系统和 3D 对象检测来在停车和行驶模式下实现这些目标的潜力。

    May, 2018

  • MSight: 一种面向连接自动驾驶车辆的边缘云基础感知系统

    该研究介绍了 MSight，一种专为 CAV 设计的最先进的路侧感知系统，具备实时车辆检测、定位、跟踪和短期轨迹预测的能力，通过最小的延迟实现车道级别的准确性，为提高 CAV 的安全性和效率提供了多种潜在应用。

    Oct, 2023

  • UniVision：一个统一的面向视觉中心的 3D 感知框架

    UniVision 是一个简单高效的框架，统一了视觉导向的自动驾驶中的三维感知任务，包括占有率预测和物体检测，并在各项公开基准测试中取得了领先的结果。

    Jan, 2024

  • 基于深度透视变换的鸟瞰图车辆定位

    自动驾驶汽车的导航系统需要准确理解周围环境，本文提出了一个替代方法，通过生成场景的顶视图，提取其他车辆相对于自我车辆的距离和方向，同时通过将透视图 RGB 图像转换为鸟瞰地图的方法，有效捕捉了自动驾驶汽车所需的重要环境信息。

    Nov, 2023

  • MapVision: CVPR 2024 自主大挑战无地图驾驶技术报告

    自动驾驶无需高清地图，但需要更高水平的场景理解能力。在这项竞赛中，使用多角度相机图像和标清地图来探索场景推理能力的边界。通过加入地图编码预训练和使用 YOLOX 等算法，我们对交通要素进行了更精准的检测，最终实现了 0.58 的 OLUS 评分。

    Jun, 2024

  • 深度多任务学习：联合定位、感知和预测

    本文介绍了自动驾驶的最新进展以及在现有系统中定位误差带来的问题，提出了一个联合实现感知、预测和定位的系统，能够在两个任务之间重复使用计算并有效地修正定位误差，实验证明了该方法的高效性和准确性。

    Jan, 2021